運動車輛的檢測跟蹤及特定事件檢測.pdf

1、伴隨城市化的進程,各個國家都在大力建設(shè)高速交通網(wǎng),交通系統(tǒng)規(guī)模變得日益龐大,這對原有的交通管理系統(tǒng)造成了前所未有的壓力,在此背景下,如何將人工智能技術(shù)運用到交通管理系統(tǒng)中,以智能化地管理協(xié)調(diào)交通系統(tǒng)的正常運行,達到交通資源的最佳配置,緩解人力壓力,成為各國政府和學術(shù)界關(guān)注的重要課題。而基于機器視覺技術(shù)的智能化交通管理系統(tǒng)正是在這一背景下受到了極大重視,成為當前的研究熱點之一。
　　 在基于機器視覺技術(shù)的智能化交通管理系統(tǒng)中,根據(jù)

2、視頻監(jiān)控錄像進行運動車輛的檢測與跟蹤是智能管理系統(tǒng)的基本功能模塊。本文研究了交通視頻中運動車輛檢測與跟蹤問題中的幾個關(guān)鍵技術(shù),主要研究內(nèi)容包括:(1)在運動車輛的檢測部分,通過分析基本的運動車輛檢測算法特點及其缺陷,提出了自適應(yīng)背景更新差分法和三幀差法相結(jié)合的運動車輛自動檢測算法,該算法通過背景差法分割運動車輛,并結(jié)合三幀差分以提高檢測的準確性,實驗表明能夠?qū)\動車輛進行準確檢測；(2)在運動車輛跟蹤部分,研究分析了當前常用的數(shù)據(jù)驅(qū)動法

3、和基于貝葉斯框架的最優(yōu)猜測法兩種解決思路,然后在此基礎(chǔ)上根據(jù)運動車輛在相鄰兩幀中移動距離較近,在圖像中的面積變化較小的特點,對基于數(shù)據(jù)驅(qū)動思路的CAMShift算法進行了改進,實驗結(jié)果表明,改進算法處理參數(shù)少,數(shù)據(jù)量小,對車輛的實時跟蹤性能和跟蹤準確性能比原算法有所提高；(3)在實現(xiàn)了運動車輛檢測及跟蹤的基礎(chǔ)上,研究并實現(xiàn)了基于跟蹤的車輛事件檢測,包括車輛逆向行駛、經(jīng)過特定區(qū)域檢測和壓線檢測等。(4)在Visual C++6.0環(huán)境下基